基于信度分配函数的Agent强化学习算法

• 作者: 吴继伟 萧蕴诗 许维胜
• 来源期刊: 同济大学学报(自然科学版)
• 学科: 工学
• 关键词: 强化学习 Q-学习 信度分配强化学习
• 年，卷（期）: 2003,（8）
• 所属期刊栏目: 控制科学与工程
• 页码范围: 947-950
• 页数: 4页
• 分类号: TP18
• 字数: 2768字
• 语种: 中文
• DOI: 10.3321/j.issn:0253-374X.2003.08.014

摘要

基于智能体(Agent)系统强化学习原理和基于动态规划的Q-学习算法的基础上,提出了一种新的Agent强化学习算法.该算法在Agent学习过程中不断调整Agent知识库的加权值,在强化学习的每个阶段,通过选取合适的信度分配函数来修正Agent强化学习动作的选取策略.与标准的Q-学习方法相比,具有更加合理的物理结构,并且能保证算法收敛.仿真实验说明该方法加快了标准Q-学习算法的收敛速度,具有较好的学习性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	萧蕴诗	同济大学信息与控制工程系	95	1338	19.0	34.0
2	许维胜	同济大学信息与控制工程系	153	1846	22.0	38.0
3	吴继伟	同济大学信息与控制工程系	23	146	5.0	12.0